ИИ

Про озвучку текста и математику У меня есть прикольная привычка слушать свежие посты из каналов в тг пока чищу зубы. Помогает не скролить дофаминовые штуки утром и при этом не скучать пока рутинами всякими занимаюсь. Уже два года так делаю. Технически это простой ботик который берет текст, кидает нейронке на озвучку и постит обратно в тг. В этом сентябре гугл выпустили прорывную модель для озвучки с прекрасным названием Gemini 3.8 Flash TTS. Она хороша тем, что умеет сама расставлять интонации, делать паузы, эмоций докидывать в нужных местах. Не без косяков конечно, но звучит намного лучше моей старой tts от OpenAi. А еще на моих объемах бесплатно выходит. Против 10$ в год за старую модель к звуку которой привыкать приходилось. Ща накидаю примеров, чтобы вы качество оценили. Это серия постов от Игоря из Сиолошной про то что ща в математике происходит. А там чуть ли не самый важный эвент в истории науки случился и математики в ахуе все. Не пугайтесь первого файла, потом меньше технических деталей будет

Ну че, как вам G0VNO в итоге? От себя скажу одно, я чет особо не впечатлился этими вашими локальными модельками, они как по мне абсолютно не годятся для узконаправленных задач. Их максимум это суммаризация данных, либо использование мультимодалок для перевода текста/аудио в текст. Вот вайбкодить на этом, я думаю, никакого удовольствия не будет. Хз как оно с агентами будет работать, это конечно требует больше тестов. Но тут есть НЮАНСИКИ: Во-первых, производительность, даже 100 ток\сек кажутся чудовищно медленными. Во-вторых, сайд эффекты от квантизации лупят мощно по конечному результату. Иногда модели даже жестко игнорят инструкции, и это на маленьком контексте. Под агентов нужен контекст минимум 100к, а на нем эти проблемы могут стать хуже. P.S. Все репорты на бусти залил еще с утра.

BytePlus бахнул (нет не Сиданс 3) OmniHuman 2.0 Для тех, кто забыл.  OmniHuman превращает фотографию человека или персонажа и аудиозапись в реалистичное видео с синхронизацией губ, мимикой, жестами и движениями тела. Это не только музыкальные клипы: технология подходит для виртуальных ведущих, интервью, подкастов, образовательных роликов, рекламных презентаций, диалогов и выступлений цифровых персонажей. В качестве аудио можно использовать речь, музыку или их сочетание.  Основные изменения: • Длительность: до 300 секунд непрерывной генерации вместо прежних 60, без склейки отдельных фрагментов. • Аудио: поддержка речи, диалогов и музыки. Улучшены синхронизация губ, мимика, жесты и движения тела с учетом интонаций, эмоций и содержания аудио. • Управление: возможность задавать действия персонажа и движения камеры текстовым промптом. • Цена: снижена с $0.12 до $0.07 за секунду (-41.7%). Пятиминутный ролик обойдется в $21. Понимание смысла речи существовало еще в OmniHuman 1.5. Главное обновление - пятикратное увеличение максимальной длительности и снижение стоимости.  Кто-то вообще юзает Omni Human? При таком-то ценнике. Ссылки: https://www.byteplus.com/en/product/OmniHuman https://x.com/BytePlusGlobal/status/2110643232363422074

NVIDIA пригрозила прекратить поставки чипов разработчикам небезопасного ИИ Генеральный директор NVIDIA Дженсен Хуанг заявил, что компания готова прекратить поставки ускорителей клиентам, создающим небезопасное или безответственное ПО на базе искусственного интеллекта. В интервью Bloomberg он отметил, что эта мера пока остаётся гипотетической, а крайним шагам будет предшествовать диалог с партнёрами. При этом глава компании отверг призывы ряда разработчиков (включая Anthropic) замедлить темпы развития ИИ, назвав текущую общественную тревогу чрезмерной. Вместо замедления Хуанг предложил использовать концепцию «ИИ для контроля ИИ» и ускорить интеграцию защитных алгоритмов.

Можно, но по уставу не положено: методика механического принуждения Клода к проверкам Чем больше я работаю с нейросетями, тем больше их работа напоминает мне армейские анекдоты про срочников, которые копают яму строго от забора до обеда, мозга не имеют и по любому поводу хотят проебаться, если не стоять над ними постоянно наставить везде красных флагов. Одна из классических версий: Идет занятие в военной академии, старый полковник рассказывает как пушка стреляет - снаряд летит по параболе, сначала вверх, потом вниз, угол 45%, все дела. Встает лейтенант: товарищ полковник, а если пушку набок положить, можно за угол стрелять? Товарищ курсант, стрелять так можно, но по уставу не положено! в общем короче, с ИИ-шками все то же самое. Если не наставить везде красных флагов и проверок, то на длинных и сложных пайплайнах везде будут ошибки и откровенная деза. Этим, в значительной мере, объясняется наша ненависть к нейрослоп-сеошникам: за оклад в 200000+ такие люди без каких либо сомнений несут крупный сайт на аудит в клод, потом несут обратно клиенту результат говно. Ладно бы тот факт, что их роль meat proxy не смущает, но процесс сложный, нюансов много, и разумеется, без разбиения процесса на простые рутинные задачи и ручной перепроверки получается полный треш. К чему я, короче говоря, это все. Наш хэд AEO GEO, Катерина Ерошина, известный погонщик агентов и рабовладелец Клода, написала большой гайд о том как решить эту проблему. Цитирую Катю:

Вы говорите Клоду: перепроверь отчет по трафику. Он видит большую (большую! ааа!) таблицу, читает первые 300 строк и отчитывается: все ОК. С 305-й строки у вас сбой и поехали данные, никто не заметил. Но Клод же проверил! Вы находите нестыковки в документе: в резюме цифры одни, в плане работ те же цифры отличаются – посчитаны на другой базе. Клод честно проверил: в рамках одного блока все верно, а перекрестные проверки вы не заказывали. Больное место всех ИИ – они могут нарушить самую жесткую инструкцию, если увидят в ней лазейку. Как вынудить ИИ проверять и перепроверять свою работу? Можно переспрашивать его на каждом шаге – но однажды вы забудете переспросить и все повторится. Хорошая практика для защиты от косяков – принуждение и механические проверки. Вместо рассуждения должен быть механический гейт: “если Х≠Y, пересчитай, дальше не иди”. В узкой точке процесса должен быть механический хук: “если Х≠Y, вызови проверку”. Триггер (да/нет) не вызывает рассуждений и не дает лазеек.

Не давать рассуждать лишнего, не давать лазеек - сделать так, чтоб все лишнее было "по уставу не положено". Читать: https://helpixel.substack.com/p/67b

Нейронка бы молча сделала зелёный огонёк Я вот подумал дальше про зелёный огонёк. Представим, что задание добавить зелёный огонёк клиент даёт не дизайнеру, который потом идёт ко мне утверждать макеты, а сразу нейросети. Она послушно его добавит: аккуратно встроит с учётом правил дизайн-системы, применит какой-нибудь скилл чтобы красиво анимировать. Всё будет сделано на высшем уровне, и клиент подумает: ну всё, дизайнеры мне не нужны. Многие клиенты уже так и думают. Нейросеть вряд ли станет спрашивать, зачем этот огонёк вообще и не лучше ли решить проблему иначе. Нейросети не особо сопротивляются плохим задачам. Иногда предлагают другой способ решить обозначенную проблему, но когда в запросе уже есть готовое решение — «добавь зелёный огонёк» — они его и реализуют. Технически уже вполне возможно научить нейросеть сомневаться и спорить. Но я думаю, что такое поведение встраивать в них не будут, потому что оно не будет пользоваться спросом. Нейросеть, которая на каждую прямую просьбу задаёт вопрос, а не фигню ли ты придумал, будет ужасно бесить. Человек хочет быстрый результат, так что пойдёт попросит «нормальную, которая просто сделает и не трахает мозг». С людьми ровно то же самое! Я понимаю, что тоже раздражаю, когда вместо того, чтобы «просто сделать», начинаю докапываться до того, зачем меня о чём-то просят. Но мне за это как раз и платят. Модель работы со всеми этими сомнениями в задаче требует участия двух сторон. Клиент должен быть готов принимать твоё сопротивление, видеть в нём смысл, а ты должен иметь волю, чтобы это сопротивления оказывать, несмотря на дискомфорт (но и отключать, если это сейчас не к месту). Клиенты тоже не любят многочасовые обсуждения и согласования понимания задачи, но идут в это, потому что знают, что без этого хорошего результата не выйдет. Получается, что отличие в работе с нейросетью такое. К нейросети клиент должен сам прийти с явным приглашением к сопротивлению, иначе она будет просто делать, как говорят. А к дизайнеру клиент может просто прийти с задачей, но неожиданно для себя столкнуться с сопротивлением. И тут уже искусство дизайнера в том, чтобы хорошо провести переговоры и помочь клиенту увидеть, что его сопротивление неслучайно. Нейросеть, конечно, тоже может освоить переговоры, и наверняка даже более искусно, чем человека. Но тут мы приходим к тому, что для этого у неё должна быть точка зрения, она должна сама как-то хотеть: https://ilyabirman.ru/meanwhile/all/neuro-competition-2/ Но ей-то всё равно!

Один из главных эффектов от этого будет ускорение прогресса в роботике. Первые демо роботов-гуманоидов появились больше 50 лет назад, и до сих пор компании в основном продают демки. Сегодня (и завтра) я на конфе Humanoid Hub в СФ, общаюсь с фаундерами и инженерами из роботических стартапов. Один из прорывов за последний год в базовых роботических моделях - это уход от специализированной тренировки под каждую задачу к генерализации и обучении в рамках окна контекста. Например, модель Skild не имеет никаких других источников кроме как информация от моторов. Каждый мотор работает на 100 герцах, то есть за 1 секунду модель успевает сделать сотню проб и ошибок, понять что работает и адаптироваться к задаче с одного или вообще без примеров того как физически эта задача выполняется человеком. Для сравнения, пару лет назад задачи типа мелкой моторики или сложной навигации для гуманоидов/квадрупедов требовало тысяч часов живого видео и десятки тысяч часов симуляций. При этом, модель агностична к железу и работает одинаково эффективно для разных моделей, включая роборуки, колесные тележки или гуманоиды). Если автоматизация офисных бизнес-процессов через ИИ это $30 трлн в год, то роботы - это еще $20-25 трлн. Глупо было бы не забрать какой-нибудь жирный процент от этих денег, да ведь?

🔥 Модель на 125 млрд параметров на игровой видеокарте с 12 ГБ памяти. Strata позволяет запускать Qwen3.8-Flash-Next локально на обычном ПК. По замерам разработчиков, RTX 5070 выдаёт: • 94 токена/с с квантизацией Q2_0. • 53 токена/с с IQ3_S. Есть нюанс: тестировали на компьютере с 64 ГБ оперативной памяти. Минимальные требования проекта начинаются с 32 ГБ, но доступные варианты модели зависят от объёма RAM. И ещё: Q2 сильно сжимает веса, поэтому скорость стоит оценивать вместе с качеством ответов на своих задачах. Поддерживаются Windows и Linux, есть локальный API, совместимый с OpenAI и Anthropic, для подключения приложений и агентов. https://github.com/Niko1221/Strata